بررسی تاثیر عامل بارش پیشین در براورد جریان رودخانه توسط مدل سازی هوشمند بارش رواناب

در دهه گذشته استفاده از شبکه عصبی در شبیه سازی فرایندهای هیدرولوژیکی افزایش چشمگیری داشته است. نظر به اینکه بیشتر تحقیقات در این زمینه معطوف به رابطه بین این شبکه ها و سایر مدل های بارش رواناب و یا ارزیابی الگوریتمهای آموزش است پژوهشی جهت بررسی های ورودی های اساسی و کمکی جهت پیش گویی جریان ضروری به نظر می رسد . در این تحقیق به منظور پیش بینی روزانه جریان رودخانه بختیاری از شبکه پرسپترون چند لایه (MLP) استفاده و جهت نیل به اهداف فوق به بررسی نقش بارش پیشین (API) در فرایند بارش - رواناب پرداخته شد و این پارامتر نیز به ورودی های مدل اضافه و بهبود قابل توجهی در نتایج پیش بینی حاصل گردید. بررسی آنالیز حساسیت مدل نسبت به پارامترهای ورودی نشان دهنده این مطلب بود که دبی یک روز قبل، میزان بارش 7 روز قبل و بارش در ایستگا ه باران سنجی تنگ پنج پارامترهای اصلی این حوضه در پیش گویی جریان روزانه رودخانه می باشند.

کلیدواژه ها:

مدل سازی بارش- رواناب ، شبکه عصبی مصنوعی ، بارش پیشین ، رودخانه بختیاری